您当前的位置：
首页 >
文章列表页 >
可检测客户端异常更新的联邦学习分组方法
人工智能 | 更新时间：2026-08-03

    • 可检测客户端异常更新的联邦学习分组方法

    • Federated Learning Grouping Method Based on Abnormal Client Updates Detection

    • 软件导刊   2026年25卷第7期 页码：40-46

    • DOI：10.11907/rjdk.242056    

      中图分类号： TP309

    • 收稿：2025-06-04，

      网络首发：2026-08-03，

      纸质出版：2026-07-15

    移动端阅览

  • 黄大广,雷诚.可检测客户端异常更新的联邦学习分组方法[J].软件导刊,2026,25(07):40-46. DOI： 10.11907/rjdk.242056.

    HUANG Daguang,LEI Cheng.Federated Learning Grouping Method Based on Abnormal Client Updates Detection[J].Software Guide,2026,25(07):40-46. DOI： 10.11907/rjdk.242056.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于联邦学习的信贷风险评估模型
基于动态优化客户端训练的联邦检索增强生成框架
基于差分隐私的联邦学习在学生成绩等级预测中的应用研究
基于深度学习与MiniBatchKMeans聚类的电动自行车充电异常检测方法
一种基于TCN的核电蓄电池异常检测方法

相关作者

陈清怡
李辉
蓝飘
赵雁斌
张承业
滚真灵
刘经友
赵紫研

相关机构

广西高校智能计算与分布式信息处理重点实验室
广西科技大学 计算机科学与技术学院（软件学院）
广州广电运通信息科技有限公司
青海省智能计算与应用实验室
青海大学 计算机技术与应用学院
0